在这个教程中，输出体积在输出[25]中给出，感受野在输出[26]中指定。
好的，输入体积[3, 227, 227]与大小为[3, 11, 11]的区域进行卷积运算。
使用这个公式 (W−F+2P)/S+1，其中：W = 输入体积大小F = 感受野大小P = 填充S = 步长
…结果是(227 - 11)/4 + 1 = 55，即[55*55*96]。到目前为止一切顺利 🙂
对于’pool1’，他们使用了F=3和S=2，我想？计算结果是正确的：55-3/2+1=27。
从这里开始我有点困惑。第二层卷积网络的感受野是[48, 5, 5]，然而’conv2’的输出等于[256, 27, 27]。这里发生了什么计算？
然后，’conv3’到’conv4’的输出体积的高度和宽度都是相同的[13, 13]？这是怎么回事？
谢谢！
回答：
如果你仔细查看conv2层的参数，你会注意到
pad: 2也就是说，输入blob在周围增加了2个额外的像素，因此公式现在是
27 + 2 + 2 - ( 5 - 1 ) = 27将大小为5的内核在两侧各填充2个像素，会得到相同的输出大小。
